均匀直线式天线阵方向图分析

分析了常见文献中关于均匀直线式天线阵分析所存在的问题及不足.对均匀直线式天线阵空间方向图进行了详细分析,给出了数学分析计算公式.以实例介绍了如何分析均匀直线式天线阵立体空间方向图.文中的方法及结论也适用于由磁偶极子、短偶极子、半波或全波单元天线组成的均匀直线式天线阵.     

用准经典轨线方法研究O(1D)+DBr→OD+Br反应的极化分布

运用准经典轨线法结合Peterson 从头计算势能面, 在碰撞能为0.22 eV 时对O(¹D) +DBr(v=0, j=0) → OD+Br 反应进行了细致的立体动力学性质研究. 极化微分反应截面(PDDCSs)给出了反应产物的散射方向. 反映k 与j′ 两矢量相关的函数P(θ_r)的分布表明产物分子的转动角动量j′在垂直于反应物相对速度矢量k 的方向上有强烈的取向分布; 反映k, k′与j′三矢量相关的函数P(ø_r)的分布表明产物转动角动量j′不仅有沿着y 轴的取向效应,还有沿着y 轴负方向的定向效应; 描述产物转动角动量j′的空间分布函数P(θ_r,ø_r)说明反应垂直于散射平面极化. 质量因子的不同, 使得O(¹D)+DBr 反应的极化与O(¹D)+HBr 反应的极化有明显的差异, 说明同位素效应比较明显.     

术语工作中文本挖掘方法的应用探索——信息管理与知识管理科技名词审定工作方法

研究了信息管理与知识管理科技名词术语的审定工作方法。该工作由全国科学技术名词审定委员会主管并委托国家自然科学基金委员会管理科学部完成。工作内容主要包括三个连续的阶段：（1）确定领域的收词范围,（2）确定术语定义,（3）确定术语的英文名称。介绍了在每一阶段所使用的工作方法、发现的问题与解决办法。目的是向从事术语审定工作的专家汇报工作,总结工作经验,并征求意见。     

基于Land TM和ETM+的北川河流域土地利用研究

根据北川河流域2000年ETM+、1994年和2007年TM共三期遥感影像数据,在RS和GIS技术支持下,分析了研究区土地利用的数量变化和空间变化特征,明确了土地利用变化的主要类型和方向,探讨了土地利用变化的过程,并进行了土地利用变化的景观格局分析.结果显示:该流域土地利用以草地和耕地为主,1994-2007年耕地大面积减少,主要转化为草地和林地;耕地和未利用地朝着规模缩小的方向发展,林地、水域和建设用地朝着规模增加的方向发展,草地变化缓慢;随着时间的推移和经济的发展,各种景观的多样性、破碎度、优势度和分离度发生了不均匀较为复杂的变化,各种景观形态的复杂程度排序为:建设用地>林地>草地>未利用地>水域>耕地.     

含负项的关联规则挖掘研究综述

关联规则挖掘是数据挖掘研究的一个重要领域,传统的关联规则仅反映了正项之间的关联关系,无法反映出数据之间隐藏的负关联关系.从以下方面对含负项的关联规则挖掘进行了综述:引入负项的原因,包含正、负项的关联规则概念及相关术语,最新的含负项关联规则研究情况,经典算法的讨论.最后,展望了含负项关联规则领域未来的研究方向.     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于模糊数据挖掘技术的入侵检测算法与应用

基于数据挖掘技术的入侵检测技术是近年来研究的热点,目前有不少入侵检测系统中都采用了关联分析的数据挖掘方法,现有的关联分析算法只能够解决数据中分类属性的挖掘,对于数值属性则不能直接使用,然而网络流量数据中包含了许多反映入侵状况的数值属性,已有学者提出了将数值属性先进行分类而后再进行关联分析的挖掘方法,然而这种方法带来的问题是在进行异常和正常划分时存在明确的界限,即“尖锐边界问题”,由于网络安全概念自身具有一定的模糊性,因此明确的界限可能会导致误报和漏报的情况产生,从而影响检测效果,文中提出了一种基于模糊关联挖掘技术的入侵检测算法,并采用遗传算法确定划分模糊集合的隶属度函数参数,最后的实验结果说明了该算法的有效性。     

一个保护私有信息的序数型关联规则挖掘算法

基于随机响应技术,提出了一种在保护隐私的关联规则挖掘中对包含三个属性值的序数型数据进行伪装的方法．设计了在伪装的数据集上进行挖掘的算法;分析了算法的安全性及复杂度。并通过实验表明,该算法在伪装的数据集上挖掘出来的规则与原规则相比,相对误差不超过5％。     

基于ICESat-GLAS数据和模糊模式识别算法识别森林类型

【目的】利用冰、云和陆地高程卫星-地球科学激光测高系统(ICESat-GLAS)回波波形数据,通过模糊模式识别算法,提出波形特征参数组合,对森林类型进行识别研究,以期提高森林类型分类精度。【方法】利用不同森林类型冠层在GLAS回波波形上表现出的差异性,提取波形特征参数 R_{\mathrm{fi}{\mathrm{t}}_1} 、K₁'和 \overline{K_1} ;将本研究提取的波形特征参数与其他波形特征参数相结合,建立波形特征参数组合;对样本数据波形特征参数进行指标归一化和奇异点检测处理,剔除样本数据中的奇异点样本;结合模糊模式识别算法,计算不同森林类型分类精度。【结果】针叶林和阔叶林森林类型分类总精度为96.30%,其中,针叶林和阔叶林森林类型分类精度分别为92.86%和97.50%;针叶林、阔叶林和混交林森林类型分类总精度为84.51%,其中,针叶林、阔叶林和混交林森林类型分类精度分别为85.71%、97.50%和52.94%。【结论】模糊模式识别算法在森林类型分类方面具有一定优势,尤其在针叶林和阔叶林森林类型识别方面,识别精度较高。     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。